酷哇机器人：深耕环卫场景，引领具身智能的物理AI革命

近年来，全球科技界对生成式AI和人形机器人给予了高度关注。生成式AI正在重塑人与信息的交互模式，而人形机器人则被视为通往通用智能的关键路径。

然而，在喧嚣的技术叙事之外，那些真正能够落地并创造现实生产力的机器人，早已悄然穿梭于城市的街巷之中。它们出现在马路牙子旁、立交桥下、人行道的盲区——这些极易被忽视却布满灰尘与风险的角落；它们从清晨五点便开始忙碌，替代着无数辛苦、繁重甚至存在安全隐患的人力劳作。

在中国，环卫行业规模庞大且痛点鲜明：劳动密集、招工困难、安全风险高、作业标准严格。但正因如此，这个看似不够“性感”的领域，反而成为衡量智能技术真实价值的试金石。

酷哇机器人选择从环卫场景切入，正是基于这一逻辑。“酷哇的路线比较务实，我们以城市服务为核心，以环卫为起点，深耕城市中的脏活累活，用机器人解放劳动力。”酷哇机器人CTO廖文龙表示。

2025年10月，酷哇机器人发布了具备双臂操作能力的小型机器人R0，不仅能承担市政作业任务，也为进入物业管理等更复杂场景铺平了道路。与此同时，酷哇荣获36氪WISE2025「年度AI应用场景突破企业」，并在深圳国际人工智能环卫机器人大赛中夺冠，场景落地与技术创新的双重实力得到验证。

酷哇科技在近期国际环卫机器人赛事中获奖一览

这意味着，如今的酷哇机器人不仅能清扫街道，还能处理更复杂的任务。从自动驾驶环卫车到市政具身智能机器人的跃迁，酷哇已深入其中。

或许，这预示着具身智能的落地革命，将从城市街头拉开序幕。

锚定当下最具生产力价值的落地场景

许多人想象中，家用扫地机器人能清扫室内，放大后放在室外就能扫马路，似乎清洁的本质只是体积与功率的差异。

它们确实有共通之处——所有面向物理世界的机器人，本质上都需要两类能力：一是在环境中自主移动（Navigation），二是执行特定任务（Operation）。“从这个角度看，RoboTaxi、环卫车、家用扫地机都是这两类能力的不同组合。”廖文龙进一步解释。

然而，一旦落地真实场景，从感知体系到决策能力，从任务目标到安全边界，二者已是截然不同的技术物种。

家用清洁是“懒人经济”的产物，属于锦上添花的需求；而环卫作业关乎城市运行的基础逻辑，是必须完成的任务。相比工业机器人改造流水线，环卫机器人的需求更为迫切——作业环境艰苦、风险高，导致岗位长期招工难、人员流失严重，但城市基础卫生不容缺席。

这也是酷哇最初场景选择的出发点：让具身智能真正改变生产力。正如廖文龙所说：“我们做AI环卫机器人，是朝着未来泛化的物理AI终点出发，落地到当下具备生产力价值的AI环卫机器人。”

环卫场景是现阶段具身智能力方向中最具商业闭环潜力的入口，同时也是门槛最高的战场。它既具备高频、刚需付费的典型ToB特征，适合用ROI讲清商业价值；又天然包含了Physical AI最难绕开的四道关卡，而能打通这四道关的公司寥寥无几，构筑了深厚的技术壁垒。

第一道关：环境本身非结构化。马路牙子、窄人行道、绿化带边缘，这些地方没有严格意义上的“可行驶区域”，对人类靠直觉即可，对机器人则要求其真正理解空间关系和作业意图，倒逼系统从模块化转向端到端的世界模型，直接解读作业意图。

第二道关：路口与障碍物博弈带来的动态安全决策。通过十字路口、避让行人和非机动车，本质上是对未来可能后果的推演，而非单纯计算当前位置与速度，这对模型的“世界理解”能力提出更高要求。

第三道关：狭窄区域任务执行的误差，带来贴边作业的极致精度要求。扫得离路沿远一点，整条缝就脏一条线；靠得太近又可能剐蹭路沿或设施。这既不能依赖粗糙的安全冗余，也难以用简单距离阈值解决，需要机器人学会类似人类“看后视镜”的直觉判断。

第四道关：移动与作业高度耦合带来的控制难题。环卫车往往边行驶、边控制滚刷和挡板、边追逐被风吹动的垃圾，每个动作调整都会影响整体作业效果和车辆姿态。

正是这些现实而具体的难题，使得环卫机器人领域的玩家长期不多：做得太简单无法真正替代人工，做得足够智能又面临极高的技术门槛和长期投入周期。

对酷哇而言，选择环卫既是基于产业痛点的判断，也是对自身技术路径的正面回应——如果Physical AI要真正走进现实世界，这里将是最早被检验、也最早显现价值的地方。

酷哇“独角兽”机器人展示作业能力

智能链路的搭建：让AI进入物理世界

与传统自动驾驶仅解决“从A到B”的问题不同，环卫场景的最大难点在于如何让机器人在城市中一边移动一边作业，即机器人必须同时理解空间、任务和变化中的世界。

过去十年，行业普遍采用“解耦”技术框架：感知识别障碍，预测计算轨迹，决策控制依据工程规则调节车身与作业装置。但在开放、动态的环卫场景中，这种技术体系容易陷入碎片化——复杂情况越多，规则越堆越厚，系统变得脆弱且难以泛化。

酷哇团队始终致力于从根本上优化环卫机器人技术架构。廖文龙介绍，行业内环卫机器人智能能力已形成五级演进体系：

第一阶段：只能在封闭环境沿固定路线执行脚本；

第二阶段：依赖高精地图在公开道路自主完成固定路线行驶及作业；

第三阶段：不严格依赖高精度地图，能实时根据环境调整路线及策略；

第四阶段：物理智能体——开箱即用，可自主规划路线与作业脚本，适配任何城市环境，不随场景变化降级；

第五阶段：端云一体化多物理智能体——多机器人自主协调完成城市服务需求，达到或接近全局最优资源配置。

目前，相比同类企业，酷哇已率先稳定落地第四阶段核心能力，正稳步迈向第五阶段。

随着统一的Physical AI Model（世界模型）技术不断突破，机器人已不再局限于学习人类制定的规则。

酷哇技术团队的理念直截了当：“不论未来还是当下，我们认为应由一个统一的Physical AI Model同时处理所有能力，而非许多人尝试的解耦处理。”

这一理念体现在酷哇以BEV World Model为基座的技术路线中。通过海量数据预训练，它能预测模糊的未来状态，并直接解码出动作（Action）。这种能力类似“直觉”：风吹动垃圾，它预判垃圾可能飘向何处；与墙靠太近，它明白碰撞的后果；路口通行，它评估对方意图与潜在风险。这让系统摆脱了以往先建图、再规划、再控制的工程逻辑堆砌。

同时，机器人在街道上不仅要面对自然物理世界，还要理解人类文明世界：红绿灯含义、禁停区规则、盲道边界……这些抽象符号无法完全从像素中推断。为此，酷哇在统一物理模型之上，加入视觉语言模型（VLM）作为旁路认知系统，解析规则、标志与意图，并以策略提示引导行动。廖文龙比喻道：“VLM就像人类大脑，在必要时深度思考，再引导运动中枢。”

机器人拥有直觉和大脑后，强化学习让它们不断变得更可靠、更稳健。在模拟环境中试错，解决的不仅是未见过的长尾场景，也包括多动作耦合时的策略一致性。扫地、贴边、避障在统一模型下共同学习，兼顾效率与安全。

廖文龙总结：“简单来说，我们的架构可概括为World Action Model（世界动作模型）+ VLM（视觉语言模型）。”

在实际落地中，为真正实现“开箱即用”，酷哇在模型体系中加入了两项关键能力：一是自记忆（Self-Memory）机制——机器人到达新环境后，系统自动将首次及后续见到的道路结构和关键特征写入世界模型，实现“一次学习，长期适配”且“越来越熟练”；二是策略提示（Prompt）调节——针对不同地区通行规则（如新加坡左行、国内右行）及作业要求（如重点保障区域），通过改变提示词即可切换行为策略，无需重新训练模型。这使得机器人能快速进入生产状态，将技术能力转化为真实运营效率。

最终，一个连续完整、正反馈的智能链路成型：理解世界、预测后果、决定行动、在试错中优化、适应城市变化、遵循人类规则。AI终于真正进入了物理世界。

而让这些智能链路真正运转的背后，是酷哇过去十年的长期主义积累——不为赶风口亮相，而是为解决那个最难、却最有确定价值的问题：机器人如何拥有真实的生产力。

这也解释了为何同样喊“做机器人”的公司，有的仍停留在PPT，有的只能在展会演示设定动作，而酷哇的机器人已在城市中独立工作。

十年积累：数据、硬件、行业理解

在具身智能这条讲究长期投入、深厚工程能力的赛道上，时间带来的不是压力，而是护城河。

酷哇能将统一的物理AI模型真正落地，绝非偶然。

回顾酷哇的起点。从第一天起，他们就在探索如何让机器人拥有真实的生产力，名称便是最直接的宣言——“酷哇机器人”，而非“酷哇科技”或“酷哇智能”——“我们一直想做的是具有生产力价值的AI机器人。”廖文龙告诉我们。

这种底层信念与团队技术背景高度一致。酷哇创始人兼CEO何弢，是自动驾驶特征驱动算法理论提出者，本科毕业于上海交通大学电子信息专业，硕博就读于日本东京工业大学，回国后在上海交通大学任教；CTO廖文龙本科研究控制理论，博士阶段转向AI；团队大多为技术背景。

十年前，酷哇选择进入环卫领域，深入了解后发现，环卫机器人在移动之外还需与复杂环境交互并保持作业。因此，当互联网热潮与资本风口驱动Robotaxi跑马圈地时，酷哇选择了更艰难、更慢的道路：先在真实城市服务场景里把机器人磨出来。

过去十年，他们在三个维度形成深度积累：

一方面是对硬件底层的掌控力。酷哇从硬件设计到制造，以及底层软件均为自研，类似宇树在关节电机、运控等硬件上的积累。

另一方面，他们积累了50PB的高质量真机数据。相比乘用车主要集中在主干道，酷哇拥有大量人行道、公园、辅道等稀缺场景数据。在不断积累中，酷哇建立了高效的数据挖掘和自动化标注工程，利用自监督学习（用未来时刻监督当前时刻）和VLM进行自动化标注。

一个好的产品，不仅靠数据和硬件，还需对场景的深入理解，这也是酷哇十年积累的另一优势。什么场景该用什么作业策略？用水冲还是清扫？快速目标作业还是遍历式作业？何时甚至可打破交规作业？什么样的路边垃圾算违规？这些标准来自多年经验，成为后来者难以追赶的壁垒。

十年迭代，使酷哇形成了行业罕见的统一能力：既能打磨工程可靠的机器人，也能训练真正理解环境并执行任务的世界模型，且二者相互强化。

最重要的是，在不断技术突破和思考中，酷哇逐渐找到了Physical AI Model的思路和解法，为后续技术跃迁打下基础。

硬件掌控、数据积累、场景认知、技术解法——这几项能力在大多数具身智能公司身上是割裂的，但酷哇却能将其全部为我所用。

在具身智能这条尚未铺好的道路上，对长期难题的耐心，以及对难而正确方向的执念，是酷哇走到现在的原因。因此，当统一的世界模型技术浪潮到来时，酷哇真正抓住了跃迁机会。

更广阔的市场，更具想象力的未来

判断技术是否成熟，商业闭环能否跑通是最直接的标准。能否替代人工？能否规模化？能否适配不同城市？能否在长期运营中保持效率？这些问题的回答必须足够确定。

依托过去十年的自研积累，酷哇已掌握成本、能力与场景之间的平衡点，在商业化上走得稳且深。

一台酷哇AI环卫机器人，在相对理想工况下每天可完成约20~30公里作业量，相当于5-10名环卫工人的工作强度。即便参照3万/人/年的环卫工下限工资，酷哇的机器人依然能产生正向毛利。

而机器人硬件成本远低于这一数字。过去几年，酷哇通过自建工厂深度介入硬件制造，从底盘到作业装置均高度自研，使BOM成本相比初代产品下降70%以上。这不仅让产品具备规模化复制经济性，也使酷哇有能力在供应链中掌握定价权。

费用结构的变化，还来自关键技术路径的正确选择。酷哇在智能驾驶与作业决策上采用视觉主导方案，成功去掉了高成本激光雷达，将成本大头集中在高算力芯片上。原因很简单：只有真正跑得动大模型的算力，才能实现稳定的全无人化运营，让AI的价值不折损地体现在单位效能提升中。

换句话说，机器人替代人工的经济性，不仅是硬件降成本，更是AI提效率。酷哇通过硬件自研放大AI价值，通过场景落地验证AI效益，从而在商业端建立起可持续的规模优势。

技术落地的成熟度，最终体现在规模扩张速度上。目前，酷哇的环卫机器人已在国内常态化运营，并陆续走向海外。在新加坡、中东等市场，团队通过快速泛化解决左舵/右舵差异，并完成当地自动驾驶准入测试，技术与商业能力均经受住了跨区域环境验证。

酷哇产品全家福

商业壁垒之外，更重要的是未来想象空间。

既然已具备第五档智能能力（无图化部署、开箱即驾驶及作业，机器人能自主规划作业路线及脚本并实时调整），酷哇机器人的边界必然不止于扫地。

环卫只是城市服务体系的一部分，它周围还有大量传统环卫车覆盖不了，却又“脏、累、危险”且“复杂”的任务，如绿化带捡垃圾、清理墙面“牛皮癣”、掏垃圾桶等。

酷哇已看到这一增量市场。今年推出的小型机器人R0，正是对这一难点的回应——采用轮足式结构，半人形，具备双臂操作能力，可在更复杂、更狭窄的环境中展开工作。目前，“R0”已可进行捡拾作业测试，酷哇规划R0能在短期内解决操作泛化问题，未来进入物业服务领域，实现一机多能，兼具ToB与ToC能力。

酷哇轮足机器人“R0”搭载智慧母舰进行作业

对酷哇而言，R0成为了一张进入未来城市服务基础设施的入场券。

宏观来看，环卫与清洁自动化并非小众机会，无论定义为广义清洁机器人市场，还是聚焦街道清扫与市政环卫这一细分领域，其规模和增长潜力都足以支撑成熟稳定的商业回报。财政部2024年全国一般公共预算支出决算表数据显示，城乡社区环境卫生支出达2426.49亿元。

更重要的是，这是一个不会消失、规模持续扩大的市场。随着城市化推进、人口老龄化加剧、人工成本上升，以及城市环保与卫生标准普遍提升，传统依赖人力或半机械化清扫的模式正面临日益严重的劳动力紧缺与效率瓶颈。

现实中，全球大多数城市的街道清扫仍主要依赖传统人力与机械，这为酷哇这样率先完成技术与运营落地的公司留下了巨大先发优势——谁能率先建立稳定、可复制、可扩展的无人环卫系统，谁就有机会成为这一市场标准与供应体系的主导者。

这将是中国公司的机会。

中国的硬件产业链成熟度和工程师红利，是具身智能时代的核心竞争力：从底盘、传感器到高算力集成，中国企业可以更快速度、更可控成本完成工程化迭代，并在真实场景中形成闭环验证。同时，中国拥有全球最大、最复杂、最密集的市政环境与运营需求，为环卫机器人提供了其他国家难以复制的训练土壤与商业场景。

也就是说，以酷哇机器人为代表的中国机器人力量，很可能反向输出世界标准，让中国公司在具身智能时代再次站上全球前列。

未来的某一天，当我们回望，或许会意识到：具身智能真正的起点，是城市街道上那台并不起眼的环卫车。